基于全局信息和局部信息自适应拟合的图像分割方法
【专利摘要】本发明公开一种基于全局信息和局部信息自适应拟合的图像分割方法，方法中所用模型是在分析改进的CV模型的演化模式和全局信息的基础上，增加了LBF模型中局部信息的优点，融合图像局部信息和全局信息，由图像几何信息和数学分析实现相关权重系数的自适应，很好地解决了原有模型对初始轮廓线敏感、水平集重新初始化、数值求解复杂、分割效率低、分割效果差和人为因素的干扰等问题。
【专利说明】
基于全局信息和局部信息自适应拟合的图像分割方法
技术领域
[0001] 本发明设及图像处理领域，尤其是一种计算简单、对初始位置和大小不敏感并结 合了图像的局部信息，可有效处理灰度不均匀图像和其它类型图像的基于全局信息和局部 信息自适应拟合的图像分割方法。
【背景技术】
[0002] 图像分割在图像处理领域中占有比较基础而重要的地位，其目的是从待分割图像 中提取感兴趣的对象，W便与图像中的其余对象相分离，进一步服务于更高层次的图像处 理。
[0003] 近年来，基于偏微分方程的图像分割技术得到了广泛关注，而目前基于偏微分方 程的图像分割又W活动轮廓模型的研究为主。在现阶段国内外所提出的活动轮廓模型当 中，CV模型是基于全局信息的经典模型，此模型具有对轮廓初始化不敏感的特点，但不能分 割异质（灰度分布不均匀）的图像。为此，研究人员在CV模型中引入了高斯核函数，把CV模 型的全局二值拟合能量泛函改为W高斯函数为核函数的局部二值拟合能量泛函，设计了一 种局部二值能量泛函拟合的LBF模型。该模型具有很好的局部特性，在一定程度上解决了灰 度不均匀图像的分割问题。然而，LBF模型中许多图像性质的计算及约束项的控制使得模型 计算较为复杂，同时分割结果较大地依赖于演化曲线的大小与初始位置的选择。
【发明内容】
[0004] 本发明是为了解决现有技术所存在的上述技术问题，提供一种计算简单、对初始 位置和大小不敏感并结合了图像的局部信息，可有效处理灰度不均匀图像和其它类型图像 的基于全局信息和局部信息自适应拟合的图像分割方法。
[0005] 本发明的技术解决方案是:一种基于全局信息和局部信息自适应拟合的图像分割 方法，其特征在于按如下步骤进行： 步骤1.读入图像相关信息，并设置相关高斯核函数； 步骤2.建立水平集演化方程：
其中，所述^为水平集，所述站游:舞为初始图像，所述其余符号见公式四~喊； 步骤3.为了求解模型錬!，初始化水平集函数巧= 0，令滤=:潜； 步骤4.计算参数單!痴;!?:：械绍4 .為餐^墓辨
其中，所述唾斬1，嚇乾i为轮廓曲线在第η次迭代后，图像在其内部和外部的全局信 息，所述4學)和裹辦)为曲线内部和外部区域的图像在点X处的注个局部拟合值，所化皮.为 髙斯核，所述Ε 为拟合参数，嶺键为Heaviside函数，其定义为：
鑛 步骤5.利用有限差分法，根据公式:!導更新水平集函数装：
其中，乎为迭代步长，为了实现水平集函数的正则化并加速演化过程，令黯茜=巾:耐。?; 步骤6.使用"停止准则"检查演化曲线是否稳定收敛，若稳定收敛，则停止迭代;否则， 令巧..二:驳呼1:,，并转入步骤4。
[0006]本发明是在CV模型和LBF模型的基础上，公开一种自适应的区域活动轮廓模型。该 模型继承了改进CV模型的计算简单、对初始位置和大小不敏感的特性，并结合了图像的局 部信息，既克服了只包含全局信息的活动轮廓模型的不足，又简化了LBF模型的计算，可有 效处理灰度不均匀图像和其它类型图像的分割。同时，用来结合两个模型的拟合参数由于 使用了图像本身的梯度信息，能够避免了人为因素选取参数的干扰，从而自适应地判断全 局信息和局部信息的主导作用。本发明融合图像局部信息和全局信息，由图像几何信息和 数学分析实现相关权重系数的自适应，很好地解决了原有模型对初始轮廓线敏感、水平集 重新初始化、数值求解复杂、分割效率低、分割效果差和人为因素的干扰等问题。
【附图说明】
[0007]图1是本发明实施例权重拟合参数凌曲线示意图。
[000引图2是本发明实施例与改进的CV模型、L邸模型分割CT图像的结果比较。
[0009] 图3是本发明实施例与改进的CV模型、LBF模型分割合成图像的结果比较。
[0010] 图4是本发明实施例与改进的CV模型、LBF模型分割二值扳子图像的结果比较。 具体实施例
[0011] 本发明实施例提供的一种基于全局信息和局部信息自适应拟合的图像分割水平 集模型的图像分割方法，包括如下步骤： 步骤1.读入图像相关信息，并设置相关高斯核函数； 步骤2.建立水平集演化方程：
其中，所述瓣为水平集，所述嗔樂錢为初始图像，所述其余符号见公式繳~議； 步骤3.为了求解模型銷，初始化水平集函数的睐= 0,令難二替；
其中，所化吗fiy，麵钱)为轮廓曲线在第η次迭代后，图像在其内部和外部的全局信 息，所述|餐)和遙择)为曲线内部和外部区域的图像在点X处的两个局部拟合值，所述为 高斯核，所述€ |_a3j为拟合参数，茲为化aviside函数，其定义为：
纖 步骤5.利用有限差分法，根据公式黎3更新水平集函数察：
其中，了为迭代步长，为了实现水平集函数的正则化并加速演化过程，令 滅褲立沖冀I二i; 步骤6.使用"停止准则"检查演化曲线是否稳定收敛，若稳定收敛，则停止迭代;否则， 令巧二巧并转入步骤4。
[0012]本发明公开如下拟合参数来实现模型的自适应性：
其特征在于，当拟合参数渡=母时，只有局部信息驱动活动轮廓演化；当拟合参数 泌=1时，模型退化成改进的CV模型，只有全局信息驱动活动轮廓演化；当浓右攀藻时，全 局信息和局部信息两者同时起作用，既可W处理灰度不均匀图像的分割问题，又可W克服 CV模型和LBF模型的初始轮廓敏感和计算过程复杂等不足，从而驱动活动轮廓演化，实现图 像分割。
[OOU] 本发明实施例权重拟合参数曲线示意图入图1所示。
[0014]本发明实施例与改进的CV模型、L邸模型分割CT图像的结果比较如图2所示。
[001引本发明实施例与改进的CV模型、LBF模型分割合成图像的结果比较如图3所示。 [0016]本发明实施例与改进的CV模型、LBF模型分割二值扳子图像的结果比较如图4所 /J、- 〇
【主权项】
1. 一种基于全局信息和局部信息自适应拟合的图像分割方法，其特征在于按如下步骤 进行： 步骤1.读入图像相关信息，并设置相关高斯核函数； 步骤2.建立水平集演化方程：其中，所述鈐为水平集，所述幻为初始图像，所述其余符号见公式_~職； 步骤3 ·为了求解模型?，初始化水平集函数丨?) s 〇，令教=;其中，所述％^|，为轮廓曲线在第η次迭代后，图像在其内部和外部的全局信 息，所述#齡和#^为曲线内部和外部区域的图像在点X处的2个局部拟合值，所述为 高斯核，所述毯_:興1为拟合参数，为Heaviside函数，其定义为：步骤5.利用有限差分法，根据公式變更新水平集函数#:其中，:r为迭代步长，为了实现水平集函数的正则化并加速演化过程，令％^= |交夢| = !; 步骤6.使用"停止准则"检查演化曲线是否稳定收敛，若稳定收敛，则停止迭代；否则， 令爲1,，并转入步骤4。
【文档编号】G06T7/00GK105825513SQ201610159166
【公开日】2016年8月3日
【申请日】2016年3月21日
【发明人】王相海, 陶兢哲, 李明, 孙丽
【申请人】辽宁师范大学